从未裁剪图像块学习车辆动力学用于非铺装户外地形机器人导航
机器人学
2023-09-07 v1
摘要
在自主移动机器人领域,非铺装户外环境的安全导航仍是一项挑战性任务。由于传感器数据的高维特性,提取相关信息成为复杂问题,阻碍了充分的感知与路径规划。已有工作在全尺寸图像提取全局特征上展现出良好性能,但常难以捕捉关键的局部信息。本文提出 Crop-LSTM,其迭代地获取当前机器人位置周围的裁剪图像块,并预测未来位置、朝向与颠簸度。我们的方法通过关注 2D 图像平面中沿预测机器人轨迹的对应图像块来进行局部特征提取,从而实现更精确的机器人未来轨迹预测。利用我们的轮式移动机器人平台 Raicart,我们证明了 Crop-LSTM 在非铺装户外环境中点目标导航的有效性。我们的方法利用 RGBD 图像在挑战性非铺装户外地形中实现了安全稳健的导航。总结视频见 https://youtu.be/iIGNZ8ignk0。
引用
@article{arxiv.2309.02745,
title = {Learning Vehicle Dynamics from Cropped Image Patches for Robot Navigation in Unpaved Outdoor Terrains},
author = {Jeong Hyun Lee and Jinhyeok Choi and Simo Ryu and Hyunsik Oh and Suyoung Choi and Jemin Hwangbo},
journal= {arXiv preprint arXiv:2309.02745},
year = {2023}
}
备注
8 pages, 10 figures